1.全連接層參數(shù)設(shè)置

之前的文章我們已經(jīng)講過什么是卷積、什么是池化、什么是激活函數(shù)，今天終于進(jìn)入CNN的末尾了——全連接層（Fully Connected Layer）我們已經(jīng)占領(lǐng)了敵方高地，就差最后一下，堅(jiān)持住，馬上就victory了。

2.全連接層有什么用

全連接層就是將最后一層卷積得到的特征圖（矩陣）展開成一維向量，并為分類器提供輸入。最開始看到這個(gè)全連接層，我就很是疑問：它是怎么做的呢？舉個(gè)列子：

3.全連接層計(jì)算方珠法

我們輸入一個(gè) 28×2828\times28 的灰度圖像，經(jīng)過卷積層和池化層輸出20個(gè) 12×1212\times12 的圖像，然后通過了一個(gè)全連接層變成了 1×1001\times100 的向量這是怎么做到的呢？很簡單，。

4.全連接層如何進(jìn)行分類

可以理解為在中間做了一次卷積我們用一個(gè)12x12x20的filter 去卷積激活函數(shù)的輸出，得到的結(jié)果就是一個(gè)fully connected layer 的一個(gè)神經(jīng)元的輸出，這個(gè)輸出就是一個(gè)值因?yàn)槲覀冇?00個(gè)神經(jīng)元，所以輸出一個(gè)。

5.全連接層計(jì)算公式

1×1001\times100 的向量我們實(shí)際就是用一個(gè)12x12x20x100的卷積層去卷積激活珠函數(shù)的輸出，最終得到1×1001\times100 的向量【全連接層的作用】：全連接層在整個(gè)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)中起到“分類器”的作用。

6.全連接層的缺點(diǎn)

如果說卷積層、池化層和激活函數(shù)等操作是將原始數(shù)據(jù)映射到隱層特征空間的話（特征提取+選擇的過程），全連接層則起到將學(xué)到的特征表示映射到樣本的標(biāo)記空間的作用換句話說，就是把特征整合到一起（高度提純特征），方便交給最后的分類器或者回歸。

7.全連接層 attention

【全連接層存在的問題】：參數(shù)冗余（僅全連接層參數(shù)就可占整個(gè)網(wǎng)絡(luò)參數(shù)80%左右），降低了訓(xùn)練的速度，容易過擬合CNN（帶有FC層）輸入圖片尺寸是固定的原因：全連接層要求固定的輸入維度（如40珠96）CNN支持任意尺寸輸入圖像的方法：。

8.全連接層工作原理

（1）使用全局平均池化層或卷積層替換FC層（2）在卷積層和FC層之間加入空間金字塔池化